カイ二乗検定

カイ二乗検定（カイにじょうけんてい、カイじじょうけんてい、英: Chi-squared test）、または${\displaystyle \chi ^{2}}$検定とは、帰無仮説が正しければ検定統計量が漸近的にカイ二乗分布に従うような統計的検定法の総称である。次のようなものを含む。

• ピアソンのカイ二乗検定：カイ二乗検定として最もよく利用されるものである（本項で述べる）。
• 一部の尤度比検定：標本サイズが大きい場合には近似的にカイ二乗検定となる場合がある。
• イェイツのカイ二乗検定（イェイツの修正）
• マンテル・ヘンツェルのカイ二乗検定
• 累積カイ二乗検定
• Linear-by-linear連関カイ二乗検定

これらはいずれも

${\displaystyle \chi ^{2}=\sum {\frac {(\mathrm {observed} -\mathrm {expected} )^{2}}{\mathrm {expected} }},}$

（ここで"expected" という語は期待値そのものではなく観測値から求められる期待値の推定量あるいは理論値を指すことが多い）

という形の検定統計量「カイ二乗（χ²）」を含む。

日本工業規格ではカイ二乗検定を「検定統計量が、帰無仮説の下でχ²分布に従うことを仮定して行う統計的検定」と定義している^[1] 。

ピアソンのカイ二乗検定（Pearson's chi-square test）は、カイ二乗検定のうち最も基本的かつ広く用いられる方法であって、「観察された事象の相対的頻度がある頻度分布に従う」という帰無仮説を検定するものである^[2]。この頻度分布は特定のものに限らない。すなわちこの方法はノンパラメトリック検定である。

標本空間が有限個の互いに排反な事象の和であるとする（例えば「さいころの目」、「ある人が男か女か」など）。カイ二乗検定統計量とは、各事象に関する頻度の観測値と理論値との差の二乗を理論値で割った商の総和

${\displaystyle \chi ^{2}=\sum {(O-E)^{2} \over E}}$

である。ただしここでO = 頻度の観測値，E = 帰無仮説の下における頻度の期待値（理論値）である。

ピアソンのカイ二乗検定は2つのタイプの比較、適合度検定及び独立性検定に用いられる:

観測された度数分布が理論分布と同じかどうかを検定する。例えば簡単な例として、標本として100人の人がいる場合に、「男と女が同数だけいる集団から、ランダムに抽出された100人である」という仮説を検定するには、男女の人数の観測度数と期待度数とを比較すればよい。観測値が男45人、女55人ならば、

${\displaystyle \chi ^{2}=\sum _{i}{\frac {(\nu _{i}-np_{i})^{2}}{np_{i}}}={(45-50)^{2} \over 50}+{(55-50)^{2} \over 50}=1}$

この場合の自由度は1である（2つの観測値と理論値の差は、一方を決めると他方も自動的に決まるから）。そこで自由度1のカイ二乗分布を見ると、男女の人数が等しい場合にこのような差（及び女がさらに多くなるような場合）が見出される確率は、おおよそ0.32である。この確率は普通用いる統計学的有意水準（ α = 0.05, 0.01など）よりも高いから、「男女の人数が等しい」とする帰無仮説を棄却する理由がない。

またカイ二乗分布で十分近似できるのは、実際的な問題として期待度数が条件 np_i ≥ 10 をすべての属性に対して満たすときとされている^[3]。

2つの変数に対する2つの観察（2x2分割表で表される）が互いに独立かどうかを検定する。例えば、「別の地域の人々について、選挙である候補を支持する頻度が違う」かどうかを検定する方法である。

カイ二乗の計算値は、確率分布が二項分布あるいは正規分布に従う集団に関しては正確にカイ二乗分布に従う。

期待値が二項分布：

${\displaystyle E=^{d}{\mbox{Bin}}(n,p)}$

（ただしここで、p = 帰無仮説の下での確率，n = 標本の観測値） に従う場合、カイ二乗は自由度1のカイ二乗分布に従う。なおこの二項分布はサンプルサイズが大きい場合には次のような正規分布で近似できる：

${\displaystyle {\mbox{Bin}}(n,p)\approx ^{d}{\mbox{N}}(np,np(1-p))}$

標準正規分布に従う${\displaystyle k}$個の変数${\displaystyle Z}$から、各二乗の合計を求めると、自由度${\displaystyle k}$のカイ二乗分布：

${\displaystyle \sum _{i=1}^{k}Z_{i}^{2}=^{d}\chi _{k}^{2}}$

に従う。

しかし一般の頻度分布でもカイ二乗は「近似的には」カイ二乗分布に従うので、カイ二乗検定が適用可能である。期待値Eが小さい（サンプルサイズが小さい、または観測数が少ない）場合は、二項分布を正規分布ではうまく近似できないため、この場合には尤度比検定の1つであるG検定を用いるのがより適切である。サンプルサイズが小さい場合は、二項検定、さらに2x2分割表で表される場合にはフィッシャーの正確確率検定を用いる必要がある。

• Cramér, Harald (1999) [1946]. Mathematical Methods of Statistics. Princeton Landmarks in Mathematics. Princeton University Press. ISBN 0-691-00547-8. MR1816288. Zbl 0985.62001. https://books.google.co.jp/books?id=CRTKKaJO0DYC 
• 西岡康夫『数学チュートリアル やさしく語る 確率統計』オーム社、2013年。ISBN 9784274214073。 
• 伏見康治『確率論及統計論』河出書房、1942年。ISBN 9784874720127。http://ebsa.ism.ac.jp/ebooks/ebook/204。 
• 日本数学会『数学辞典』岩波書店、2007年。ISBN 9784000803090。 
• JIS Z 8101-1:1999 統計 − 用語と記号 − 第1部:確率及び一般統計用語, 日本規格協会, http://kikakurui.com/z8/Z8101-1-1999-01.html

• 確率
  • 確率論
• 統計学
  • 推計統計学

• カイ二乗分布表 — 脇本和昌『身近なデータによる統計解析入門』森北出版、1973年。ISBN 4627090307。http://ebsa.ism.ac.jp/ebooks/ebook/1321。 　付表

表 話 編 歴 統計学
標本調査	標本 母集団 無作為抽出 層化抽出法
記述統計学	連続データ 位置 平均 算術 幾何 調和 中央値 分位数 順序統計量 最頻値 階級値 分散 範囲 偏差 偏差値 標準偏差 標準誤差 変動係数 決定係数 相関係数 自己相関 共分散 自己共分散 分散共分散行列 百分率 統計的ばらつき モーメント 分散 歪度 尖度 カテゴリデータ 頻度 分割表
推計統計学	仮説検定 パラメトリック t検定 ウェルチのt検定 F検定 Z検定 二項検定 ジャック–ベラ検定 シャピロ–ウィルク検定 分散分析 共分散分析 ノンパラメトリック ウィルコクソンの符号順位検定 マン・ホイットニーのU検定 カイ二乗検定 イェイツのカイ二乗検定 累積カイ二乗検定 フィッシャーの正確確率検定 尤度比検定 G検定 アンダーソン–ダーリング検定 コルモゴロフ–スミルノフ検定 カイパー検定 マンテル検定 コクラン・マンテル・ヘンツェルの統計量 その他 帰無仮説 対立仮説 有意 棄却 区間推定 信頼区間 予測区間 モデル選択基準 AIC BIC WAIC MDL その他 偏り 偏りと分散 過剰適合 推定量 点推定 最尤推定 尤度関数 尤度方程式 最小距離推定 メタアナリシス ブートストラップ法
ベイズ統計学	確率 主観確率 ベイズ確率 事前確率 事後確率 最大事後確率 その他 ベイズ推定 ベイズ因子
相関	相関係数 ピアソンの積率相関係数 スピアマンの順位相関係数 ケンドールの順位相関係数 偏相関係数 その他 自己相関 空間的自己相関 相互相関 交絡変数 相関関係と因果関係 擬似相関 錯誤相関
モデル	一般線形モデル 一般化線形モデル 混合モデル 一般化線形混合モデル
回帰	線形 リッジ回帰 ラッソ回帰 エラスティックネット 非線形 k近傍法 回帰木 ランダムフォレスト ニューラルネットワーク サポートベクター回帰 射影追跡回帰 時系列 自己回帰モデル 自己回帰移動平均モデル ARCHモデル 対移動平均比率法 トレンド定常 傾向推定 共和分 構造変化
分類	線形 線形判別分析 ロジスティック回帰 単純ベイズ分類器 単純パーセプトロン 線形サポートベクターマシン 二次 二次判別分析 非線形 k近傍法 決定木 ランダムフォレスト ニューラルネットワーク サポートベクターマシン ベイジアンネットワーク 隠れマルコフモデル その他 二項分類 多クラス分類 第一種過誤と第二種過誤
教師なし学習	クラスタリング k平均法（k-means++法） DBSCAN 密度推定（英語版） カーネル密度推定（カーネル） その他 主成分分析 独立成分分析 自己組織化写像
統計図表	棒グラフ バイプロット（英語版） 箱ひげ図 管理図 フォレストプロット ヒストグラム 円グラフ Q-Qプロット ランチャート 散布図 幹葉図 バイオリン図 ドットプロット ヒートマップ 階級区分図
生存時間分析	生存時間関数 カプラン＝マイヤー推定量 ログランク検定 故障率 比例ハザードモデル
歴史	統計学の創始者 確率論と統計学の歩み
応用	社会統計学 疫学 生物統計学 系統学 統計力学 計量経済学 機械学習 実験計画法
出版物	統計学に関する学術誌一覧 重要な出版物
全般	統計 頻度主義統計学 統計学および機械学習の評価指標
その他	方向統計学 S言語 R言語 統計検定 社会調査士 JDLA Deep Learning For GENERAL JDLA Deep Learning for ENGINEER 実用数学技能検定 品質管理検定
カテゴリ